論文の概要: PIC-UIE: Predicting Image-Adaptive Corrections for Lightweight Underwater Image Enhancement
- arxiv url: http://arxiv.org/abs/2609.33318v1
- Date: Sun, 27 Sep 2026 07:34:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 01:10:27.428716
- Title: PIC-UIE: Predicting Image-Adaptive Corrections for Lightweight Underwater Image Enhancement
- Title（参考訳）: PIC-UIE:軽量水中画像強調のための画像適応補正予測
- Abstract要約: 水中画像強調(UIE)は、波長依存性の減衰と後方散乱によって劣化した画像から可視性、色忠実性、構造的詳細を復元することを目的としている。
PIC-UIEは,256Times256$ RGBのサムネイルから画像適応補正を予測し,YCbCr色空間のネイティブレゾリューション入力に適用する軽量な予測器-実行フレームワークである。
9,486 のパラメータと 0.094 GFLOPs が 256times256$ で、PIC-UIE は 24.137 dB PSNR と 0.9216 SSIM を UIEB-90 と 21.320 で達成している。
- 参考スコア（独自算出の注目度）: 19.350980694960217
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Underwater image enhancement (UIE) aims to restore visibility, color fidelity, and structural detail from images degraded by wavelength-dependent attenuation and backscatter. State-of-the-art UIE methods often rely on large backbones and dense image-to-image prediction, limiting their practicality for edge deployment. Moreover, operating entirely in a single color space couples degradation estimation with luminance and chroma correction. To address these challenges, we propose PIC-UIE, a lightweight predictor--executor framework that predicts image-adaptive corrections from a fixed $256\times256$ RGB thumbnail and applies them to the native-resolution input in the YCbCr color space. The predictor produces seven outputs, organized into spatial correction, nonlinear luminance and coupled chroma mapping, and image-level color calibration. A depth map regularizes the transmission proxy during training, whereas inference uses only the RGB input. With 9,486 parameters and 0.094 GFLOPs at $256\times256$, PIC-UIE achieves 24.137 dB PSNR and 0.9216 SSIM on UIEB-90 and 21.320 dB PSNR on zero-shot LSUI. It further processes native 4K images at 55.0 FPS under the comparison protocol. These results show that structured correction prediction provides an effective and practical alternative to dense RGB reconstruction for underwater image enhancement.
- Abstract（参考訳）: 水中画像強調(UIE)は、波長依存性の減衰と後方散乱によって劣化した画像から可視性、色忠実性、構造的詳細を復元することを目的としている。
最先端のUIEメソッドは、多くの場合、大きなバックボーンと高密度の画像とイメージの予測に依存し、エッジデプロイメントの実用性を制限する。
さらに、単一の色空間で完全に動作すると、輝度とクロマ補正による劣化推定が混在する。
これらの課題に対処するため、PIC-UIEは、修正された256\times256$ RGBサムネイルから画像適応補正を予測し、YCbCr色空間のネイティブ解像度入力に適用する軽量な予測器エグゼクタフレームワークである。
予測器は、空間補正、非線形輝度、カラーマッピング、画像レベルのカラーキャリブレーションの7つの出力を生成する。
深度マップはトレーニング中に送信プロキシを正規化しますが、推論はRGB入力のみを使用します。
9,486のパラメータと0.094 GFLOPsが256\times256$で、PIC-UIEは24.137 dB PSNR、UIEB-90では0.9216 SSIM、ゼロショットLSUIでは21.320 dB PSNRを達成した。
さらに、ネイティブな4K画像を55.0 FPSで処理する。
これらの結果から,構造的補正予測は水中画像強調のための高密度RGB再構成に有効かつ実用的な代替手段であることがわかった。
関連論文リスト
- Visual Autoregressive Priors for RAW-to-sRGB Image Signal Processing [27.456086797137676]
本稿では、RAW-to-sRGB ISPタスクに対して、離散画像コードブック上での視覚的自己回帰予測を初めて適用する。
そこで本研究では,ウェーブレットLLコサイン類似度と彩色エッジを用いて低周波トーンを監督する周波数分解色損失を提案する。
Zurich RAW-to-sRGBベンチマークでは、PSNR-Yを21.31から21.89,dBに改善し、LPIPSを1,204イメージの完全なテストセットで0.276から0.218に削減した。
論文 参考訳（メタデータ） (2026-09-16T08:24:26Z) - Advancing Visual Reliability: Color-Accurate Underwater Image Enhancement for Real-Time Underwater Missions [52.04969451806431]
正確な色復元が可能なリアルタイム水中画像強調フレームワークを提案する。
提案手法は、7つの評価指標にまたがって最先端の性能を実現する。
多様な環境条件下でUCIQEのスコアを29.7%改善する。
論文 参考訳（メタデータ） (2026-03-17T10:51:00Z) - RAW-Flow: Advancing RGB-to-RAW Image Reconstruction with Deterministic Latent Flow Matching [55.03149221192589]
本稿では,RGBとRAW表現のギャップを埋めるためにRAW-Flowという新しいフレームワークを提案する。
また、階層的なRGB機能をフロー推定プロセスに注入する、大規模コンテキストガイダンスモジュールも導入する。
RAW-Flowは、定量的にも視覚的にも最先端のアプローチより優れている。
論文 参考訳（メタデータ） (2026-01-28T08:27:38Z) - An Adaptive Underwater Image Enhancement Framework via Multi-Domain Fusion and Color Compensation [0.6144680854063939]
水中光学イメージングは、光吸収、散乱、色歪みによって著しく劣化する。
本稿では,照明補償,マルチドメインフィルタリング,動的色補正を統合した適応型拡張フレームワークを提案する。
ベンチマークデータセットを用いた実験結果から,コントラスト強化,色補正,構造保存における最先端手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2025-03-05T16:19:56Z) - UR2P-Dehaze: Learning a Simple Image Dehaze Enhancer via Unpaired Rich Physical Prior [8.713784455593778]
我々は、Unpaired Rich Physical Prior (UR2P-Dehaze)を介してSimple Image Dehaze Enhancerと呼ばれる未ペア画像デハズネットワークを提案する。
まず, 画像の照度, 反射率, 色情報を正確に推定するために, 照度と反射率の整合性を確保するために, 反復的に訓練された事前推定器(SPE)を設計する。
次に、低周波と高周波の両方で重要な特徴を効果的に統合する動的ウェーブレット分離畳み込み(DWSC)を提案する。
論文 参考訳（メタデータ） (2025-01-12T14:21:05Z) - You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。
水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。
輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
論文 参考訳（メタデータ） (2024-02-08T16:47:43Z) - Symmetric Uncertainty-Aware Feature Transmission for Depth
Super-Resolution [52.582632746409665]
カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。
本手法は最先端の手法と比較して優れた性能を実現する。
論文 参考訳（メタデータ） (2023-06-01T06:35:59Z) - Infrared Image Deturbulence Restoration Using Degradation Parameter-Assisted Wide & Deep Learning [12.305318121246277]
本研究では,パラメータ支援型マルチフレームネットワークであるDparNetを提案する。
DparNetは、外部の知識なしに、劣化した画像から直接劣化を学習する。
修復性能と効率性において、ステート・オブ・ザ・アーツ(SOTA)法を著しく上回っている。
論文 参考訳（メタデータ） (2023-05-30T03:24:09Z) - Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。
実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
論文 参考訳（メタデータ） (2021-08-18T12:41:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。